Metodi Quantitativi per Economia, Finanza e Management Lezione n°7

Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla tipologia delle variabili indagate: var. qualitative/quantitative discrete: tavole di contingenza (o a doppia entrata) var. quantitative: analisi di correlazione lineare una var. qualitativa e una quantitativa: confronto tra le medie

Correlazione lineare Le misure di connessione possono essere applicate a variabili qualitative. Se si vuole misurare il grado di concordanza tra due variabili quantitative occorre utilizzare altri indici: –Covarianza Cov(X,Y) è un indice che assume valori positivi se vi è concordanza tra X e Y (a modalità elevate dell’una, corrispondono modalità elevate dell’altra); assume valori negativi nel caso di discordanza (a modalità elevate dell’una non corrispondono modalità elevate dell’altra). Nel caso di indipendenza statistica, la covarianza assumerà valore nullo. È un indice assoluto, ovvero segnala la presenza e la direzione di un legame tra due variabili, ma nulla si può dire sul grado del loro legame. Cov(X,Y)= Σ Σ (x i -μ x ) (y j - μ y ) p(x i,y j )

Covarianza tra due variabili: Cov(x,y) > 0 x e y tendono a muoversi nella stessa direzione Cov(x,y) < 0 x e y tendono a muoversi in direzioni opposte Cov(x,y) = 0 x e y no relazione lineare –Riguarda solo la forza della relazione, ma non implica un effetto causale Correlazione lineare

–Coefficiente di correlazione lineare ρ(X,Y) è un indice relativo che ovvia al problema del precedente indice. Assume valori compresi tra -1 e 1. In particolare vale 1 se e solo se Y è funzione lineare di X (e viceversa) e in questo caso i punti corrispondenti alle osservazioni sono disposti su una retta con inclinazione positiva. Analogamente l’indice assume valore -1 nel caso in cui i punti siano disposti su una retta con inclinazione negativa. Assume valore nullo se tra le variabili non è presente alcun tipo di relazione lineare (indipendenti in correlazione). Correlazione lineare

Coefficiente di correlazione lineare ρ(X,Y) : ρ = 0 non c’è relazione lineare tra X e Y ρ > 0 relazione lineare positiva tra X e Y »quando X assume valori alti (bassi) allora anche Y probabilmente assume valori alti (bassi) »ρ = +1 => dipendenza lineare perfetta positiva ρ < 0 relazione lineare negativa tra X e Y »quando X assume valori alti (bassi) allora Y probabilmente assume valori bassi (alti) »ρ = -1 => dipendenza lineare perfetta negativa Correlazione lineare

Senza unità di misura Campo di variazione fra –1 e 1 Quanto più è vicino a –1, tanto più è forte la relazione lineare negativa Quanto più è vicino a 1, tanto più è forte la relazione lineare positiva Quanto più è vicino a 0, tanto più è debole la relazione lineare Correlazione lineare

Y X Y X Y X Y X Y X r = -1 r = -0.6r = 0 r = +0.3 r = +1 Y X r = 0 Correlazione lineare

Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla tipologia delle variabili indagate: var. qualitative/quantitative discrete: tavole di contingenza (o a doppia entrata) var. quantitative: analisi di correlazione lineare una var. qualitativa e una quantitativa: confronto tra le medie

Confronto tra le medie Per misurazione della connessione tra una variabile quantitativa Y e una qualitativa X, è possibile confrontare le distribuzioni condizionate di Y tramite le medie condizionate.

Confronto tra le medie Se si vuole incrociare una variabile quantitativa con una variabile qualitativa, la loro relazione può essere descritta confrontando le medie della variabile numerica all’interno delle categorie definite dalla variabile misurata a livello nominale/ordinale. Rapidità Tipo cliente MediaN Persone fisiche Aziende Totale

Un indice sintetico dell’intensità della relazione si basa sulla scomposizione della varianza per la variabile quantitativa Y, di cui viene studiata la dipendenza nei confronti della variabile categorica X. La variabilità totale di Y è SQT y =SQ tra + SQ nei dove SQT y (somma dei quadrati tot) è la variabilità totale, SQ tra variabilità tra i gruppi (somma dei quadr. tra i gruppi) esprime quanta variabilità di Y può essere legata al variare delle categorie di X, SQ nei variabilità interna ai gruppi (somma dei quadr. nei gruppi) esprime la variabilità nell’andamento di Y indipendente da X. Confronto tra le medie

E’ quindi possibile definire un indice relativo per misurare la dipendenza in media, come η 2 = SQ tra /SQT y =1-(SQ nei /SQT y ) Per l’interpretazione del valore assunto da η 2 si consideri che: η 2 = 0 ⇒ indipendenza in media η 2 > 0 ⇒ dipendenza in media η 2 = 1 ⇒ massima dipendenza in media η 2 è sempre compreso tra 0 e 1.

Confronto tra le medie In caso di indipendenza in media le medie dei diversi gruppi (medie condizionate ai diversi livelli della variabile qualitativa) saranno tutte uguali tra loro e quindi la variabilità tra i gruppi sarà nulla. Viceversa qualora ad ogni livello della variabile qualitativa sia associato un unico valore della variabile quantitativa, si parlerà di massima dipendenza in media e si avrà variabilità interna ai gruppi nulla. Per misurare l’intensità della dipendenza in media si può utilizzare l’indice η 2. Modesta dipendenza in media della produzione artigianale dall’età